Forschungsprojekt: Künstliche Intelligenz soll Ernährungsempfehlungen individueller machen

Dass Ernährung und Gesundheit zusammenhängen, ist allgemein bekannt. Jedoch nicht, wie genau dieser Zusammenhang im Körper eines einzelnen Menschen aussieht. Ein Forschungsprojekt der Medizinischen Hochschule Hannover soll diese Lücke schließen und künstliche Intelligenz als Werkzeug für personalisierte Ernährungsempfehlungen nutzen.

Bereits 1850 brachte der Philosoph Ludwig Feuerbach die Idee auf den Punkt, der Mensch sei, was er esse. Die moderne Ernährungsforschung geht heute einen Schritt weiter und fragt, was Nahrung konkret im Stoffwechsel bzw. konkreter im Metabolom, der Gesamtheit aller Stoffwechselprozesse und ihrer Wechselwirkungen, auslöst.

Eine zentrale Rolle spielt dabei das Mikrobiom im Darm. Die dort lebenden Mikroorganismen sind an der Verdauung beteiligt, produzieren lebenswichtige Vitamine, stärken die Darmbarriere und beeinflussen das Immunsystem. Wie das Zusammenspiel im Detail funktioniert, ist bislang nicht ausreichend erforscht, heißt es in einer Pressemitteilung der Medizinischen Hochschule Hannover (MHH). Neben der Ernährung wirken auch Lebensstil und Vorerkrankungen auf den Stoffwechsel ein, was die Zusammenhänge zusätzlich verkompliziert.

Ein KI-Modell für individuelle Stoffwechselreaktionen

An diesem Punkt setzt die Forschungsgruppe „Computational Precision Nutrition“ (CPN) an, die Dr. Mattea Müller am Peter L. Reichertz Institut für Medizinische Informatik (PLRI) der MHH leitet. Die Molekularbiologin und Datenwissenschaftlerin will verstehen, warum Menschen auf dieselbe Ernährung unterschiedlich reagieren und welche gesundheitlichen Folgen das hat.

Langfristig soll daraus ein KI-gestütztes Vorhersage-Werkzeug entstehen, das Ärztinnen und Ärzten hilft, Ernährungsempfehlungen auf einzelne Patientinnen und Patienten zuzuschneiden – sowohl zur Vorbeugung als auch zur Behandlung. Das Bundesministerium für Forschung, Technologie und Raumfahrt fördert das Projekt über fünf Jahre mit 1,8 Millionen Euro.

Warum Standardmodelle an ihre Grenzen stoßen

Nach Angaben von Dr. Müller verbinden computergestützte Ansätze Daten aus Wearables wie Smartwatches oder Fitnessarmbändern und digitalen Gesundheitsplattformen mit sogenannten Multi-Omics-Technologien. Diese liefern Informationen über Gene, deren Aktivität, Proteine und Stoffwechselvorgänge im Körper. Herkömmliche statistische Modelle könnten die zeitlichen und individuellen Schwankungen in solchen Datenmengen dagegen nicht angemessen abbilden, so die Forscherin.

Erschwerend kommt hinzu, dass schon die Ausgangsdaten uneinheitlich sind. Laborwerte aus Blutuntersuchungen fallen je nach Testverfahren und Referenzbereich unterschiedlich aus und lassen sich deshalb nur eingeschränkt miteinander vergleichen. Im Zentrum des Projekts steht daher zunächst die Entwicklung von Modellen, die diese Daten angleichen und die Wechselwirkungen zwischen Ernährung, Mikrobiom und Metabolom sichtbar machen. Ziel ist es, mit KI-gestützten Methoden wissenschaftlich belastbare Ursache-Wirkungs-Beziehungen abzuleiten, die erklären, warum eine bestimmte Ernährungsweise bei einer Person wirkt und bei einer anderen nicht.

Selbst ein Apfel ist nicht immer derselbe

Um individuelle Stoffwechselreaktionen nicht nur zu beschreiben, sondern vorherzusagen, bezieht die Forschungsgruppe auch Geschlecht und Vorerkrankungen in ihre Modelle ein. Voraussetzung dafür sind große Datenmengen, mit denen sich die KI trainieren lässt. Das Team greift dafür auf Datenbanken aus Deutschland, Großbritannien und den Niederlanden zurück.

Eine besondere Herausforderung liegt in der Vielfalt der Nahrungsmittel selbst. Wie Dr. Müller erläutert, unterscheiden sich selbst Äpfel unterschiedlicher Sorten und Anbaugebiete weltweit teils erheblich in ihrer Nährstoffzusammensetzung. Solche Unterschiede müssen die Modelle berücksichtigen, wenn sie verlässliche Vorhersagen treffen sollen.

Von der Forschungsplattform zur klinischen Anwendung

Als Ergebnis des Projekts ist eine interaktive Plattform namens CPN-Map geplant, die zunächst der Forschung als Werkzeug zur Verfügung stehen soll. Ob die damit erstellten Analysen tatsächlich zuverlässige Vorhersagen liefern, muss sich erst noch zeigen. Bestätigt sich das, könnte die Plattform perspektivisch auch klinisch eingesetzt werden. Mit individuell abgestimmten Ernährungsempfehlungen soll sie dann dazu beitragen, die Stoffwechselgesundheit von Patientinnen und Patienten zu verbessern und Erkrankungen wie Adipositas, Typ-2-Diabetes und neurodegenerative Erkrankungen vorzubeugen.

von Redaktion Diabetes-Anker

Das Redaktionsteam des Diabetes-Ankers besteht aus erfahrenen Journalistinnen und Journalisten – teils mit medizinischem und naturwissenschaftlichem Hintergrund sowie selbst von Diabetes betroffen – die seit vielen Jahren zum Thema Diabetes publizieren.

mit Materialien der Medizinischen Hochschule Hannover (MHH)